PixelPop：基于高分辨率非参数模型的引力波人口多维推断

合并的致密二进制天体的起源仍高度不确定。几种天体物理通道可能贡献于整体合并速率， distinct formation processes 在二进制源参数的底层分布的结构和相关性上留下痕迹。缺乏自信的理论模型时，当前对该人口的理解主要依赖于简单参数化模型，这些模型做出强假设且容易被误指定。近期工作已使用更灵活的非参数模型取得进展，但对多维人口的详细测量仍具有挑战性。为此，我们提出 PixelPop——一种高分辨率贝叶斯非参数模型，用于推断联合分布和参数相关性，假设最少。PixelPop 密集对联合参数空间进行分箱，直接推断每个分箱中的合并速率，仅假设分箱与其最近邻相连。我们在无或有双变量源相关性的 mock 人口上演示该方法，采用多种统计指标衡量信息增益和相关性显著性，以量化非参数结果。我们展示 PixelPop 在后验不确定性范围内正确恢复真实人口，并提供保守的人口层面特征和参数相关性评估。其灵活性和可计算性使其成为探索引力波人口多维结构的有用数据驱动工具。